点击显示 收起
【摘要】 目的 论述结构方程模型（SEM）方法在医院门诊病患满意度与忠诚度中的应用。方法 简述SEM的基本原理及这一方法如何在病患满意度和忠诚度中应用和使用注意事项。结果 SEM是一种综合思维方法，同时是一种验证性的方法，对于某些复杂问题特别是以理论为依据的研究彰显重要；SEM分析能够得到潜在变量的有关参数，并对结构方程式的测量误差做出估计。结论 运用SEM建立医疗产业顾客满意度及忠诚度指标模型，具有较传统流行病学分析方法无法比拟的优势。
【关键词】 医院；顾客满意度；顾客忠诚度；结构方程模型；潜在变量
结构方程模型（Structural Equation Model，SEM）是一门基于分析技术的研究方法学，结合了“因素分析”与“路径分析”两大统计学主流技术，用以处理复杂的多变量研究数据的分析。SEM又称共变量结构分析（Covariance Strtural Analysis），与Path Analysis，Cacual Modeling和Linear Cacual Analysis等都是社会及行为科学研究中所常使用以探讨因果模型者。基本上，线性方程模型是结合了多元回归、因素分析及径路分析。LISREL全名是“线性结构关系”（Linear Structural Relationship），由共变结构分析（covariance structural analysis）加以扩充而成。瑞士籍的统计学者Karl Jreskog在1970年提出相关概念，并首先发展计算机分析工具LISREL之后，结构方程模型便渐渐蔚为风潮，尤其在心理学研究中得以广泛传播和应用［1～3］。当研究者在处理研究变量时，若是想知道所设计的假设理论模型，各变量之间的因果关系时，则SEM提供了一个很好的分析方法。顾客满意度及忠诚度之相关指标模型已在许多服务业或制造产业获得验证，反观其在医疗产业方面，与此模型相关之研究相对缺如。本文对这一问题的兴趣并不在于“金刚钻”的实用性，主要在于由“金刚钻”打造出的“瓷器活”对于医院管理者所具有的借鉴价值。
1 基本原理
SEM模型的基本元素包括了测量变量与潜在变量、测量模型与结构模型、模型界定矩阵三部分。
1.1 测量变量与潜在变量 在LISREL中的变量可分为潜在变量与测量变量两大类。基本理论上，其潜在变量乃是一般行为、社会科学中无法直接测量或测得的，必须藉由测量变量来间接推测得知。在LISREL模型操作中，以方形代表测量变量，以圆形代表潜在变量。当一个潜在变量为内衍变量时，称为内衍潜在变量（η，Eta），他的测量变量就是内衍测量变量（X）。同理，也有外衍潜在变量（ξ，Ksi）与外衍测量变量（Y），共四种变量，其图示见图1。
图1 潜在变量与测量变量图示
1.2 测量模型与结构模型 测量模型与结构模型，前者指的是实际测量变量与潜在特质的相互关系，后者则说明潜在变量之间的关系，如图1所示，测量变量X1、X2、X3受到潜在变量ξ1的影响，形成一个独立的测量模型。同理，其他测量变量也受到各自潜在变量的影响，形成了另外独立的测量模型，如内衍潜在测量变量Y1、Y2、Y3受到内衍潜在变量η的影响，形成一个独立测量模型。
X=Λxξ+δ（式1）
X是测量自变量，Λxξ是X与ξ之关系的系数矩阵，δ是X的测量误差。
Y=Λyη+ε（式2）
Y是测量应变量，Λyη是Y与η之关系的系数矩阵，ε是Y的测量误差。而内衍潜在变量η1受到其他两个外衍潜在变量ξ1、ξ2的影响，形成一个结构模型。潜在变量间有因果关系的假设，以单向的箭头表示其间的线性直接关系，而η1无法被ξ1、ξ2解释的干扰部分为D（Disturbance），在LISREL中用ζ表示潜在应变量η所无法被解释的残差，或称结构方程式的残余误差。若两者之间虽然有线性关系，却无法确定方向以及影响关系，则以双箭头表示其非直接关系。
η=βη+Γξ+ζ（式3）
ξ是潜在自变量，η是潜在应变量，Γ是潜在自变量对潜在应变量之影响效果的系数矩阵，β是潜在应变量对潜在应变量之影响效果的系数矩阵，ζ是残余误差。
在SEM中，如果单独使用测量模型，也就是只有测量模型而没有结构模型的回归关系假设时，即为验证性因素分析（confirmatory factor analysis，CFA），因其检测的内容是测量指标的因素结构与测量误差。如果单独看待结构模型，其实就是一个传统的路径分析（path analysis）模型，可以多元回归的概念来说明变量的因果或预测关系。当一个SEM模型没有测量模型，只探讨测量变量的因果/预测关系时，与传统的路径模型无异。
1.3 估计与检验 当发展完SEM模型之后，就可以着手搜集资料来进行模型的检验。在先前所提到的样本合理性中，由于样本结构、测量质量以及样本数目对于SEM的分析结果有着密切的关系，因此任何一个失误都可能对SEM分析的结果造成影响。
利用LISREL软件包进行分析，检验模型的整体配适程度，并且分析各项变量对整体模型的影响效果。其中，整体模型适合度是用来衡量模型整体与观察值之适配程度，Hair等［4］学者（1998年）将其分为三种类型：绝对适合度、增量适合度以及简要适合度。本研究将以Good of Fit Index（GFI）、Adjusted Good or Fit Index（AGFI）、RMSEA以及Hoelter’s Index作为统计考验之验证指标，表1则是将各适合度指标在统计上之意义作一整理。表1 整体模型适合度指标汇整表（略）
2 实例分析
2.1 问卷设计与数据收集 结合ACSI［5］与ECSI［6］两项指标模型，其中包含形象（测量变量包括整体形象、营运惯例、理念规范、社会责任，下同）、期望（对医疗服务的期望、对看病过程中与工作人员互动的期望）、知觉的服务质量（对整体医疗服务质量的评价、符合顾客的需求）、知觉的价值（对目前医疗服务质量应有定价的观感、对目前医疗服务定价应有质量的观感）、顾客满意度（整体满意度、与期望的医疗服务相较下的满意度）、顾客抱怨（抱怨态度、抱怨行为、抱怨处理）以及顾客忠诚度（再度使用该院医疗服务的意愿、对医疗服务价格的忍受程度、推荐该院医疗服务给其他人的意愿）等七个部分，分别测量本研究架构中的七项潜变量，每部分由数个子题构成，以多项目方式测量其代表的潜变量，每题以1～5分的尺度评量：1分代表非常不同意（重视/满意），5分代表非常同意（重视/满意）。问卷在初步设计完成后，先邀请相关领域之三位专家进行内容效度（Content Validity）的评估并计算CVI值；此外，本研究尚选取30位门诊患者进行预测，预测的目的在筛选语意不清、模棱两可或是难以理解的题目。在信度方面，则计算每个潜变量子题之Cronbach α值，以验证内部一致性。结果如表2所示，显示量表具有较好的信度和效度。
之后调查了深圳市龙岗中心医院835个门诊病患，回收问卷并进行甄选，剔除那些不合格的，共得到819份有效问卷。
2.2 研究结果 将收集的数据输入到LISREL 8.53，并采用预先编好的LISREL语法文件，运行后得到如图2所示的路径图。表2 问卷信效度检验结果（略）
以LISREL来验证并架构整体医疗产业顾客满意度与忠诚度指标模型。如下所列，运用LISREL统计方法产生以下五种模型：（1）知觉的价值=0.22×形象+0.59×知觉的服务质量+0.46；（2）顾客满意度=0.36×知觉的价值+0.077×形象+0.44×知觉的服务质量+0.36；（3）抱怨=-0.43×顾客满意度+0.81；（4）顾客忠诚度=0.29×顾客满意度-0.13×抱怨+0.11×形象+0.21×知觉的服务质量+0.62；（5）抱怨=-0.067×形象-0.28×知觉的服务质量+0.89。
模型拟合结果：RMR=0.038，GFI=0.98，RMSEA=0.22，AGFI=0.72，NFI=0.98，CFI=0.98，PNFI=0.26，PGFI=0.19，模型拟合良好。结果提示：医院形象对顾客所知觉的价值有正向影响；顾客所知觉的服务质量对顾客所知觉的价值有正向影响；医院形象对顾客满意度有正向影响；顾客所知觉的服务质量对顾客满意度有正向影响；顾客所知觉的价值对顾客满意度有正向影响；医院形象对顾客忠诚度有正向影响；顾客所知觉的服务质量对顾客忠诚度有正向影响；顾客满意度对顾客抱怨有负向影响；顾客满意度对顾客忠诚度有正向影响；顾客抱怨对顾客忠诚度有负向影响。
图2 采用LISREL分析后得到的路径图
3 讨论
结构方程模型是一种非常有效的统计工具，在国外已经非常成熟，在国内也逐步地受到研究人员的重视。结构模型之所以能够宣称用来检验因果路径，主要的依据是背后的理论依据。如果研究者无法提出一个具有说服力的理论基础，结构模型得到的结果只是一堆无意义的统计数据的累积。如果研究过程中研究者在没有理论依据的情况下随意调整变量的关系，那么结构模型只是统计技术的玩弄。相反的，如果研究者经过缜密的思考而提出一个结构模型，且经由统计方法支持该模型的有效性，那么就可能诞生一个具有学术价值的理论模型。
结构方程模型是社会科学相关领域的有力研究工具，但相关模型的建立还是依赖相关科学领域的知识。ACSI和ECSI理论的结构方程的潜在变量的设定及潜在变量之间关系的设定都有营销领域的理论知识基础，潜在变量对应的测量变量的设定及测量也都有其理论基础。结构方程模型只是相关科学领域的理论知识基础的数学表达，它提供了一种我们研究相关社会科学的工具。
本文研究指标之形象、知觉的服务质量、知觉的价值、顾客满意度、顾客抱怨以及顾客忠诚度等成一渐进性因果关系，所验证之方向仅为单向，理论上应具双向之特性，如顾客满意度会影响形象，因此建议未来之研究者在设计研究架构时，可再精细且多向性。本文的不足之处尚表现在：选取医院太少，研究样本仅代表门诊病患。虽然研究样本的性别、年龄、学历、职业类别、工龄分布情况较符合大型综合性公立医院的门诊病患构成情况，但是模型对于小型医院以及民营医院门诊及住院病患的意义还有待利用更多医院样本来验证。以上的不足将是我们以后深入研究的方向。
【参考文献】
1 Bollen KA.Structural equations with latent variables.Toronto:John Wiley & Sons，1989：318-403.
2 Cliff N.Some cautions concerning the application of causal modeling methods.Multivariate Behavioral Research，1983；18:115-126.
3 Wall MM，Li R.Comparison of multiple regression to two latent variable techniques for estimation and prediction.Stat Med，2003；22:3671-3685.
4 Hair，Anderson，Tatham，et al.Multivariate date analysis with reading.Maxwell MacMillan Internation: N.Y.，1998.
5 Bruhn，M，Grund MA.Development and implementation of national customer satisfaction indices:the swiss index of customer satisfaction （SWICS）.Total Quality Management，2000；11（7）:1017-1028.
6 Cassel C，Eklof JA.Modeling customer satisfaction and loyalty on aggregate levels:experiences from the ECSI Pilot Study.Total Quality Management，2001；12（7/8）:834-841.
作者单位：深圳市龙岗中心医院，广东深圳 518172